凌恩客户文章:利用肠道微生物群预测养殖海参的产地和品质

期刊:Environmental Microbiology    

影响因子:5.491     

发表时间:2022   

样本类型:海参及海参肠道

客户单位:辽宁省海洋水产科学研究院周遵春团队

一、研究背景

肠道微生物有助于食物消化代谢和宿主健康,它可能适合追踪海参产地和预测其质量性状。海参(仿刺参,Apostichopus japonicus)是亚洲常见的一种具有极高营养和经济价值的水产物种,自从上世纪80年代开始,海参养殖产业在我国快速发展,已经成为了我国海水养殖业非常重要的组成部分。本研究利用高通量测序技术探究了海参肠道微生物群与其产地和品质之间的关系。

二、实验设计

从中国八个产地采集海参,包括辽宁、河北、山东和福建,是我国海参的主要养殖区。本研究分别采集了DLE、DLW、JZ、QHD、DY、YT、QD和XP海岸线共8个地区池塘或底播养殖的海参个体,共计289头,分别收集海参体壁组织和肠道内容物,测定了海参的基本营养成分含量和肠道菌群组成结构。

三、实验结果

1、不同产地海参肠道微生物比较

比较了肠道微生物群的Chao1、Shannon、Pielou_e和Faith_pd的4个α多样性指数,总的来说,8种产地的海参的肠道微生物群组成存在显著差异,来自DLW(辽宁大连西岸地区)的海参具有最为丰富、多样和均匀的肠道细菌群落。

主坐标分析(PCoA)表明,不同产地的海参肠道微生物群被分开(图1B),不同产地是影响海参肠道微生物群的主要因素,比宿主体重和性别引起的影响更大,表明地理位置是海参肠道菌群组成结构的重要影响因素。

图1 不同产地的海参肠道微生物群比较

变形菌门是所有样本中的优势菌门(图2A),约占肠道微生物群总数的70%,其它主要细菌门分别为拟杆菌门、放线菌门、疣微菌门。使用ANOVA比较了不同产地海参肠道的细菌丰度差异(图2C),DLE、JZ和DY样本中α-变形菌门的相对丰度显著较高。

图2 不同产地的海参肠道微生物组成

2、利用肠道微生物群预测海参产地

根据检测到属的相对丰度进行网络分析,结果表示在同一地区样本中丰度较高的微生物具有明显相关性,主要微生物的聚类模块有明显的地域分布,该结果进一步表明地理位置对海参肠道菌群的显著影响(图3A-C)。网络分析模块hub识别中,Pseudonocardiaceae、 Legionellales,、Persicirhabdus、Dinoroseobacter等被归类为模块枢纽,与各自模块内的节点高度连接。

利用随机森林模型,确定了海参肠道微生物群的组成以及与其产地相关的密切程度。同时,个体的肠道微生物群可用于预测其产地,准确率为97.6%(图3D),这表明产地位置可能是海参肠道菌群差异最重要的影响因素。随机森林模型包括了20个对不同产地海参区分贡献明显的肠道细菌属,其中Actibacter、 Desulfococcus、Lutimonas、 Aureitalea 和 Cupriavidus最为重要(图3E),这表明不同产地海参肠道菌群中均含有几种只在其产地特异性富集的细菌属。

图3 肠道微生物群预测海参产地

 3、海参肠道菌群群落构建机制

使用中性群落模型(NCM)和零模型的方法分析随机性和确定性因素在不同产地海参肠道菌群群落构建过程中的贡献大小(图4A)。除了XP地区,基于NCM确定70%以上不同产地肠道微生物群落的群落结构。肠道微生物群落物种扩散在QD地区最高,证明了随机过程在不同产地的海参肠道微生物组成结构方面是非常重要。

整体来说,包括Dispersal limitation、Homogenizing dispersal和Drift在内的随机性因素是对海参肠道菌群的贡献更为明显,而特异性的选择性压力等确定性因素的贡献比例相对较低。

零模型的分析表明,地理限制和随机的生态飘变是海参肠道菌群变化的主要驱动力。

图4 海参肠道微生物群落构建机制 

4、不同产地海参品质性状比较

研究测定了海参9个品质性状(体壁组织中蛋白质、脂肪、糖类、皂苷、胶原蛋白、维生素A、维生素E、牛磺酸和硫酸软骨素的含量)以比较不同产地海参的品质差异(图5A),结果表明,来自大连东岸的海参在样品中整体质量最高,河北秦皇岛和福建霞浦海参品质最差。此外,使用Mantel test和普氏分析评估了品质性状与20个基于海参产地的细菌指标的关系(图5B),得到不同品质性状与肠道微生物群之间呈显著相关的结论。以上结果表明,海参肠道菌群与其自身营养成分密切相关,同时海参的产地对其具有显著的影响。

利用随机森林模型表明,一些关键的海参品质性状,例如皂苷、脂肪和牛磺酸含量,同样可以使用基于肠道菌群的随机森林模型进行预测,预测的准确率能够达到80%左右(图6)。

图5 不同产地海参品质性状的比较

图6 基于所有样本(n=287)中随机森林回归分析的预测质量性状值与实际值

四、研究结论

综上所述,不同地区的养殖海参具有明显不同的肠道菌群和品质性状,利用肠道微生物在追踪海参产地和预测其品质性状方面存在巨大潜力。通过此方法,可以更好地引入性状的生物指标来监测食品质量,为生活环境和人为活动如何影响可食用物种的质量提供更加敏感和全面的见解。

参考文献

Exploiting the gut microbiota to predict the origins and quality traits of cultured sea cucumbers.Environmental Microbiology,2022.

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Bert是一种在自然语言处理中被广泛使用的模型,其在各种任务中表现出了出色的性能。然而,对于方面级情感分析,Bert并不直接适用。因此,需要对Bert进行利用,并通过修改和扩展来适应这一任务。 端到端(end-to-end)的方面级情感分析是指通过一个模型直接从文本中提取方面和情感信息。为了利用Bert进行端到端的方面级情感分析,首先需要对数据进行预处理,并将其转换成Bert模型所接受的输入格式。这包括将文本分段、添加特殊标记以及填充序列等操作。 在Bert模型的基础上,需要添加相关的层来实现方面级情感分析。一种常见的方法是利用注意力机制来捕获方面词与其他词之间的关系。通过计算不同词之间的注意力权重,可以将方面词的相关信息传递给其他词,从而更好地理解整个文本。另外,也可以添加一些分类层来预测每个方面的情感。 为了更好地利用Bert,还可以使用领域特定的语料库来进行预训练。通过在大规模的语料库上进行预训练,模型可以更好地理解特定领域的文本,并提升方面级情感分析的性能。 此外,还可以通过调整Bert模型的超参数来进一步改善性能。例如,可以调整学习率、批大小和训练周期等超参数,以获得更好的结果。 总之,“exploiting bert for end-to-end aspect-based sentiment analysis”意味着通过对Bert进行修改和扩展,将其应用于端到端的方面级情感分析任务中,以提升模型的性能和效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

SHANGHAILINGEN

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值